利用深度學習分析實現核磁共振圖像分割
大小：0.29 MB 人氣： 2017-09-22 需要積分：1
標簽：深度學習(119547)
人的心臟是一個驚人的機器，能不間斷地運作長達一個世紀。測量心臟功能的重要方法之一是計算其射血分數：心臟在舒張期充滿血液后，在收縮期射出血液的百分比。獲得這一指標的第一步，便依賴于心臟圖像的心室分割（描繪區域）。
作者在紐約進行InsightAI計劃（http://insightdata.ai/）期間，決定響應AI Open Network主持的研究呼吁，參與解決右心室精確分割挑戰（https://ai-on.org/projects/cardiac-mri-segmentation.html）。設法通過超過少于當前一個數量級的參數，來達到目前最佳的結果。下面簡要說明一下過程。
▍問題描述
研究呼吁：
開發能夠從心臟核磁共振成圖像（MRI）數據庫中，自動分割右心室的系統。到目前為止，右心室分割主要由經典的圖像處理方法處理，現代深度學習技術將有可能提供更可靠，全自動化的解決方案。
2016年，由Kaggle發起的左心室分割挑戰的三名獲獎者，都采用了深度學習的解決方案。相比較而言，右心室（RV）分割更具挑戰性，原因如下：
在腔內存在與心肌相似的信號強度；右心室是復雜的新月形，從基部到頂點一直變化；分割頂點圖像的切片十分困難；患者的心室內形態和信號強度差異相當大，特別是有病理改變的病例，等等。
不使用醫學術語，識別右心室困難的原因是：左心室是一個厚壁的圓柱型區域，而右心室是一個不規則形狀的物體，較薄的心室壁有時會與周圍的組織混在一起。下圖是MRI快照中手工繪制的右心室內壁和外壁（心內膜和心外膜）輪廓：
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%